Foto: SomYuZu - shutterstock.com
Wie jede Veränderung, so ist auch das Thema generativer KI (GenAI) in Deutschland erst einmal schwierig. Skepsis und Reserviertheit finden sich vielerorts. Hier muss man daher grundsätzlich herangehen: Was ist und kann GenAI überhaupt? Schnell wird dann klar: Ähnliche Techniken gibt es schon viel länger und sie werden schon vielseitig eingesetzt. Neu ist allerdings, dass sie nun konsumierbar und deshalb in aller Munde sind.
Dies so einzuordnen, ist für KMUs schwierig, wenn sie die ganze Entwicklung, also die Transformation und Digitalisierung, nicht mitgegangen sind. Das bedeutet: digital zu sein, mit (vielen) Daten zu arbeiten, zu verstehen, was ein Algorithmus ist und dass man mit Automatismen arbeiten kann. Natürlich gibt es auch in Deutschland "Front Runner", aber die große Mehrheit ist von dem Thema noch relativ weit weg.
Mittelständler brauchen jemanden, der das Thema versteht und sinnvoll für sie aufbereiten kann. Sie möchten wissen, wie sie ihre Beschäftigten zu GenAI ausbilden können und welchen konkreten Use Cases für sie interessant bzw. relevant sein können.
Kleine individuelle Pakete statt GenAI-Rundumschlag
Weiterbildungsangebote sind deshalb derzeit sehr gefragt. Konkret bestehen diese aus sogenannten AI Master Classes für C-Level. Sie werden häufig auf Englisch durchgeführt. Der deutsche Mittelstand bevorzugt bei solchen Kursen jedoch die Muttersprache. In Vorgesprächen mit potentiellen Kunden wird zunächst eruiert, ob eine Master Class (also ein kompletter Weiterbildungskurs, der sich im fünfstelligen Honorarbereich bewegt) überhaupt sinnvoll ist.
Schnell zur konkreten Anwendung kommen
Dies ist üblicherweise nicht der Fall und es findet stattdessen eine individuelle, deutschsprachige Beratung statt. Diese kann konkret in kurzen Workshops münden, in denen man gezielt bestimmte GenAI-Themen bespricht, die für das jeweiligen Unternehmen relevant sein könnten. Dabei greift man üblicherweise auf das Know-how des gesamten Unternehmens, speziell das neuen KI-Geschäftsbereiches, zurück. Der Unterschied dieser Beratung zu der in Großunternehmen: Während man sich dort durchaus mal Zeit zum Ausprobieren lassen kann, gibt es im Mittelstand nur ein, zwei Versuche, dann muss das Thema sitzen, sprich eine konkrete Anwendung herausgekommen sein.
Die gebräuchlichsten Use Cases
Ein Unternehmen hat zum Beispiel ein großes Kundennetzwerk und möchte seine Kunden automatisiert durch einen Chatbot unterstützen. Die bisherigen solcher Assistenten, wie man sie von vielen Firmenseiten kennt, sind erst mal dumm und müssen stark vorkonfiguriert werden, bis sie dann linear wachsen. KI soll aber mitdenken und kann hier durch einen guten Algorithmus schlaue Antworten geben.
In solche Assistenten kann man ChatGPT einbauen - dies ist ein typischer Wunsch der mittelständischen Kunden. Natürlich funktioniert ein GenAI-unterstützter Assistent nicht grundsätzlich besser. Wichtig ist es daher, sich den Use Case zunächst genau anzuschauen, um zu beurteilen, ob GenAI-Einbindung hier überhaupt sinnvoll ist.
Wenn es an der technischen Bereitschaft mangelt
Ein weiteres beliebtes Thema ist der Einsatz von GenAI im Verkauf. KI schlägt zum Beispiel aus einer Liste von Kontakten im CRM diejenigen vor, die die Servicefachkraft als erstes anrufen soll. Aus Feldversuchen bei Kunden weiß man, dass Telefonate bis zu 25 Prozent erfolgreicher sind, wenn klar ist, welche Personen man zu welchem Thema ansprechen sollte.
Dafür müssen die CRM-Daten jedoch entsprechend aufbereitet sein, was keineswegs überall der Fall ist. Grundsätzlich muss jedes Unternehmen deshalb versuchen, das eigene Geschäft digitaler zu betrachten, um den Mehrwert einer GenAI überhaupt erst einordnen zu können. Daten müssen in höherer Qualität und miteinander verbunden zur Verfügung stehen, damit man überhaupt mit den ersten AI-Experimenten starten kann.
Vor der Vielzahl an Daten-Silos kapituliert auch GenAI
Die Schwachstellen in Sachen Datenqualität haben kleine KMU nicht für sich gepachtet. Auch bei größeren Mittelständlern gibt oft eigene Data Scientists, die sich um diese Themen kümmern. Selbst dort aber fehlt es an dem übergreifenden Ansatz, Daten zu nutzen.
Auch größeren Unternehmen muss man also erst einmal beibringen, dass nicht jede Abteilung ihren eigenen Server kaufen und auf ihm ihr Datensilo betreiben sollte. Hochfliegende Pläne des Business zum Einsatz von AI bringen gar nichts, wenn die IT nicht die dafür erforderliche technische Basis schafft und der Mensch, sprich Beschäftigte, Partner und Kunden, nicht im Mittelpunkt steht.
Mehr zum Thema KI:
Intelligenter Umgang mit Dokumenten
Daten richtig analysieren, Kundenwünsche rechtzeitig erkennen
Grundlagen revisionssicherer Archivierung
Managed Services mit KI-Unterstützung
Künstliche Intelligenz als Chance und Risiko
Dos & Don'ts im Partnervertrieb